Eierstokkanker brengt een aanzienlijke zorglast met zich mee, gekenmerkt door diagnose in een laat stadium en slechte prognose. De huidige diagnostische opties, waaronder echografie, CT en MRI, vertonen een beperkte sensitiviteit en specificiteit, wat leidt tot diagnostische onzekerheden en invasieve diagnostische procedures. Deze studie heeft tot doel de detectie te verbeteren door gebruik te maken van Computer-Aided Diagnostics (CADx) op CT- en MRI-scans. Door gebruik te maken van zowel retrospectieve datasets als prospectieve dataverzameling, probeert dit onderzoek het voorspellende vermogen van CADx te evalueren om zo maligne van benigne eierstoktumoren te onderscheiden. Door gebruik te maken van deze geavanceerde beeldvormingstechnieken en machine learning-algoritmen willen we sterke diagnostische modellen ontwikkelen die in staat zijn eierstokkanker nauwkeurig te identificeren, waardoor vroege detectiepercentages en de prognoses kunnen worden verbeterd.